Cohere 研究：17 个异构智能体团队成本降 70%，性能仅差 1.4 分
Cohere · youtube · 2026-10-31
Cohere 发布论文解读视频，探讨如何将多智能体团队构建建模为推理时算力分配问题来扩展 inference-time compute。
核心发现：
- 策略性委派是关键——把 worker 分配去做规划（planning），而非实现（implementation）或验证（verification），能以远低于满配的成本拿到接近最优的奖励
- 一个异构 17 智能体团队在编码任务上与强力的同构 5 智能体团队成绩差距仅 1.4 分，而成本降低 70%
- 研究给出了在任务、成本与延迟约束下优化 agent 预算的可操作指南
配套论文与博客文章均已公开。
「编程与Agent」频道最新
- 开发者体验单 Agent 编排器：像突然变成了多线程处理器 — nathanborror · 2026-10-31
- Pydantic AI 一行 capability 让 Agent 跑在 Temporal 上可断点恢复 — samuelcolvin · 2026-10-31
- ASC CLI 已覆盖 Xcode 命令、fastlane 迁移与 xtool Linux 构建 — rudrank · 2026-10-31
- LangChain 创始人：Agent 可观测性不是 Datadog，而是 Databricks — hwchase17 · 2026-10-31
- 710k 行变更巨型 PR：pi-durable 与 Chord 移植到 Rust — jasonkneen · 2026-10-31
- Strix Halo 一键 Docker 跑 vLLM，Qwen3.8-Flash-Next 解码提速 2.4 倍 — asfbrz96 · 2026-10-31